MNISTÉRIO DA EDUCAÇÃO
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CÂMPUS CAMPO MOURÃO
Programa de Pós-Graduação em Tecnologia de Alimentos
LARISSA NAIDA ROSA
AVALIAÇÃO DE PROPRIEDADES FÍSICAS E QUÍMICAS DE
ÓLEOS VEGETAIS COMESTÍVEIS EMPREGANDO-SE ANÁLISE
MULTITABELAS
Dissertação
CAMPO MOURÃO 2017
LARISSA NAIDA ROSA
AVALIAÇÃO DE PROPRIEDADES FÍSICAS E QUÍMICAS DE
ÓLEOS VEGETAIS COMESTÍVEIS EMPREGANDO-SE ANÁLISE
MULTITABELAS
CAMPO MOURÃO 2017
Dissertação apresentada como requisito parcial para obtenção do grau de Mestre em Tecnologia de Alimentos, do Programa de Pós Graduação em Tecnologia de Alimentos – PPGTA - Universidade Tecnológica Federal do Paraná/UTFPR, Câmpus Campo Mourão.
Ministério da Educação
Universidade Tecnológica Federal do Paraná
Programa de Pós-Graduação em Tecnologia de Alimentos
TERMO DE APROVAÇÃO
AVALIAÇÃO DE PROPRIEDADES FÍSICAS E QUÍMICAS DE ÓLEOS VEGETAIS COMESTÍVEIS EMPREGANDO-SE ANÁLISE MULTITABELAS
Por
LARISSA NAIDA ROSA
Essa dissertação foi apresentada às quatorze horas, do dia vinte e quatro de fevereiro de dois mil e dezessete, como requisito parcial para a obtenção do título de Mestre em Tecnologia de Alimentos, Linha de Ciência e Tecnologia de Produtos Alimentícios, no Programa de Pós-Graduação em Tecnologia de Alimentos - PPGTA, da Universidade Tecnológica Federal do Paraná. A candidata foi arguida pela Banca Examinadora composta pelos professores abaixo assinados. Após deliberação, a Banca Examinadora considerou o trabalho aprovado.
_______________________________________________________________
Profa. Dra. Patrícia Valderrama (Orientadora – PPGTA)
_______________________________________________________________
Prof. Dr. Augusto Tanamati (Membro Externo – UTFPR)
_______________________________________________________________
Orientador
Professora Dr
a. Patrícia Valderrama
Coorientador
Professor Dr. Paulo Henrique Março
Dedico este trabalho aos meus pais Sofia e Teodózio (in memoriam), minhas irmãs Gorette, Ana Paula (in memoriam) e Vanessa, minha sobrinha Ana Sofia e especialmente meu marido Roberto pelo apoio incondicional e constante.
AGRADECIMENTOS
Dedico este trabalho primeiramente a Deus, por ser essencial em minha vida, autor de meu destino, meu guia, socorro presente na hora da angustia.
Dedico esta, bem como todas as minhas demais conquistas, aos meus amados pais Sofia (in memoriam) e Teodózio (in memoriam), que falta vocês me fazem, mas sei que sempre estarão me iluminando de onde estiver!!! As minhas irmãs Gorette, Ana Paula (in memoriam) e Vanessa, além da minha sobrinha Ana Sofia.
E o que dizer a você Roberto? Obrigada pela paciência, pelo incentivo, pela força e principalmente pelo carinho. Valeu todo o sofrimento e renúncia, hoje estamos colhendo, juntos, os frutos do nosso empenho. Essa vitória é muito mais sua do que minha!
Agradeço a minha professora orientadora Prof. Drª. Patrícia Valderrama, que teve paciência e que me ajudou bastante á concluir este trabalho, obrigada pela sua compreensão e amizade! Eu posso dizer que a minha formação, inclusive pessoal, não teria sido a mesma sem a sua pessoa.
Registro também meu agradecimento ao meu co-orientador Prof. Dr. Paulo Henrique Março pela orientação em momentos importantes do estudo, pela amizade, apoio e paciência. E a todos os professores do curso, que foram tão importantes na minha vida acadêmica.
Aos meus amigos que fiz durante o mestrado Anderson, Juliana, Jacqueline, Thays e Rhayanna. Pela amizade, companheirismo, alegrias e tristezas compartilhadas.
A todos aqueles que de alguma forma estiveram e estão próximos de mim, fazendo esta vida valer cada vez mais a pena!
Poema da Paz
O dia mais belo: hoje A coisa mais fácil: errar O maior obstáculo: o medo O maior erro: o abandono
A raiz de todos os males: o egoísmo A distração mais bela: o trabalho A pior derrota: o desânimo
Os melhores professores: as crianças A primeira necessidade: comunicar-se O que traz felicidade: ser útil aos demais O pior defeito: o mau humor
A pessoa mais perigosa: a mentirosa O pior sentimento: o rancor
O presente mais belo: o perdão O mais imprescindível: o lar
A rota mais rápida: o caminho certo
A sensação mais agradável: a paz interior A maior proteção efetiva: o sorriso
O maior remédio: o otimismo
A maior satisfação: o dever cumprido A força mais potente do mundo: a fé As pessoas mais necessárias: os pais A mais bela de todas as coisas: O AMOR!
Resumo Geral
Atualmente têm-se verificado um aumento acentuado na demanda de mercado em relação a óleos vegetais das mais diversas fontes naturais. Os óleos vegetais são extraídos na sua maioria das sementes de plantas, formados por ésteres de glicerina e uma mistura de ácidos graxos, esteróis, tocoferóis e resíduos minerais. Medições rápidas e não destrutivas dos parâmetros relacionados com a qualidade de alimentos estão avançando devido ao progresso da espectroscopia, pois permitem aos pesquisadores obter informações importantes dos componentes químicos e físicos dos alimentos. Nesse sentido, a quimiometria colabora para a transformação dos sinais analíticos de amostras complexas em informações úteis, o método quimiométrico empregado nos estudos foi a análise multitabelas (ComDim), cujo objetivo foi avaliar tabelas (ou matrizes) de dados adquiridos para as mesmas amostras (isto é, um conjunto de matrizes de dados com o mesmo número de linhas, mas não necessariamente o mesmo número de variáveis). Com a aplicação do método ComDim foram obtidos gráficos informativos que mostraram a relação entre as amostras e suas variáveis, além de permitir avaliar em qual das tabelas analisadas encontra-se a informação predominante. Como resultado da primeira pesquisa, o método ComDim permitiu realizar um reconhecimento de padrão não supervisionado auxiliando na identificação de semelhanças e diferenças entre as amostras de óleos e azeites de oliva. Para os óleos de arroz foi possível correlacionar as regiões espectrais do UV-Vis e NIR, bem como as análises físico químicas inferindo sobre início e estágios mais avançados das reações de degradação.
.
Abstract
We currently have a marked increase in market demand for vegetable oils from a variety of natural sources. Vegetable oils are extracted mostly from plant seeds, consisting of glycerol esters and a mixture of fatty acids, esters, tocopherols and mineral residues. Fast and non-destructive measurements of food quality data are advancing due to the progress of spectroscopy, for research researchers to obtain important data of the chemical and physical components of food. In this sense, chemometrics collaborates to transform the analytical signals of complex samples into useful information, the chemometric method used in the studies was the multi-table analysis (ComDim), whose objective was to evaluate tables (or matrices) of data acquired for the same samples (that is, a set of data arrays with the same number of rows, but not necessarily the same number of rows). With the application of the ComDim method, informative graphs were obtained that showed the relation between the samples and their variables, besides allowing to evaluate in which of the analyzed tables the predominant information is found. As a result of the first research, the ComDim method allowed the realization of an unsupervised pattern recognition, aiding in the identification of similarities and differences between samples of oils and olive oils. For rice oils it was possible correlates UV-Vis and NIR spectral regions, also physical-chemical analysis and attribute the start and advanced stages for degradation reactions.
LISTA DE FIGURAS
Figura 1 – Etapas para aplicação do método ComDim...20 Figura 2 – (A) Espectros UV-Vis. (B) Primeira derivada dos espectros NIR....27 Figura 3 – Resultado da análise multitabelas ComDim para cada componentes
comuns (CC) 1, 2, 3 e 4. (A) Scores. (B) Saliences e (C)
Loadings...30
Figura 4 – Espectros UV-Vis de amostras de óleo de arroz do Uruguai (A) e
Brasil (B)...44
Figura 5 – Primeira derivada dos espectros NIR de amostras de óleo de arroz
do Uruguai (A) e Brasil (B)...44
Figura 6 – Scores das amostras de óleo de arroz termicamente degradadas.
(A) Scores de CC1 da amostra Uruguaia e (B) Scores de CC2 da amostra Brasileira...46
Figura 7 – Salience para as amostras de óleo de arroz termicamente
degradadas. (A) Salience de CC1 da amostra Uruguaia e (B) Salience de CC2 da amostra Brasileira...47
Figura 8 – Loadings para as amostras de óleo de arroz termicamente
degradadas. (A) Loadings de CC1 da amostra Uruguaia e (B) Loadings de CC2 da amostra Brasileira...47
LISTA DE TABELAS
Tabela 1 – Composição dos óleos vegetais comestíveis em termos de ácidos
graxos determinado por CG-FID (g ácidos graxos g-1
óleo)...28
Tabela 2 - Resumo dos resultados do ComDim para avaliação dos óleos
vegetais...35
Tabela 3 – Características físicas e químicas do óleo de arroz...39 Tabela 4 – Resultados de análises físico-químicas do óleo de arroz...45
LISTA DE ABREVIATURAS CC – Componente Comum CC1 – Componente Comum 1 CC2 – Componente Comum 2 CC3 – Componente Comum 3 CC4 – Componente Comum 4
CCSWA – Common Component and Specific Weights Analysis
CG-FID – Cromatografia Gasosa com detecção por ionização em chama ComDim – Common Dimension
FAME – Ácidos graxos de ésteres metílicos FID – Detector por ionização de chama MUFA – Ácidos Graxos Monoinsaturados NaOH – Hidróxido de Sódio
NIR – Infravermelho Próximo n-3 – Ácidos Graxos Ômega 3 n-6 – Ácidos Graxos Ômega 6
PUFA – Ácidos graxos Poliinsaturados Savgol – Savitzky & Golay
SFA – Ácidos Graxos Saturados UV-Vis – Ultravioleta e Visível
SUMÁRIO
CAPÍTULO I ... 16
1. INTRODUÇÃO GERAL ... 17
1.1 ÓLEOS VEGETAIS ... 17
1.2 QUIMIOMETRIA ... 18
1.3 MÉTODO PARA ANÁLISE MULTITABELAS – ComDim ... 19
2. OBJETIVOS ... 23
2.1 Objetivo Geral ... 23
2.2 Objetivos Específicos ... 23
CAPÍTULO II ... 24
2. ANÁLISE DE DADOS EM MULTITABELAS USANDO O COMDIM PARA AVALIAÇÃO DE AMOSTRAS COMPLEXAS: CARACTERIZAÇÃO DE ÓLEOS COMESTÍVEIS ... 25
2.1 INTRODUÇÃO ... 25
2.2 MATERIAL E MÉTODOS ... 26
2.2.1 Amostras e procedimentos gerais ... 26
2.3 RESULTADOS E DISCUSSÃO ... 27
2.4 CONCLUSÕES ... 36
CAPÍTULO III ... 37
3. AVALIAÇÃO MULTITABELAS DA DEGRADAÇÃO TÉRMICA DO ÓLEO DE ARROZ ... 38
3.1 INTRODUÇÃO ... 38
3.2 MATERIAL E MÉTODOS ... 40
3.2.1 Amostras e procedimentos gerais ... 40
3.2.2 Determinação da acidez ... 40
3.2.3 Determinação de índice de peróxido ... 41
3.2.4 Determinação do índice de iodo pelo método de Wijs ... 41
3.2.5 Determinação da extinção específica por absorção na região do ultravioleta ... 42
3.2.6 Determinação do índice de refração ... 42
3.2.7 Espectroscopia NIR ... 43 3.2.8 Espectroscopia UV-Vis ... 43 3.3 RESULTADOS E DISCUSSÃO ... 43 3.4 CONCLUSÃO ... 49 CAPÍTULO IV... 51 4. CONCLUSÃO GERAL ... 52 5. REFERÊNCIAS ... 53
APRESENTAÇÃO
Esta dissertação é composta por 4 capítulos. No Capítulo 1 é apresentado uma introdução geral sobre óleos vegetais das mais diversas fontes de extração, um breve histórico sobre a quimiometria, descrição do método quimiométrico de reconhecimento de padrão não supervisionado baseado em análise multitabelas, ComDim e os objetivos geral e específicos desta pesquisa.
No Capítulo 2, é apresentada a primeira aplicação dessa dissertação, intitulada “Análise de dados em multitabelas usando o ComDim para avaliação de amostras complexas: caracterização de óleos comestíveis”. Os resultados dessa aplicação encontram-se publicados no periódico científico Analytica
Chimica Acta (ROSA, L. N.; FIGUEIREDO, L. C.; BONAFÉ, E. G.; COQUEIRO, A.; VISENTAINER, J. V.; MARÇO, P. H.; RUTLEDGE, D. N.; VALDERRAMA, P. Multi-block data analysis using ComDim for thee evaluation of complex samples: characterization of edible oils. Analytica Chimica Acta, n. 961, p. 42-48, 2017, DOI: 10.1016/j.aca.2017.01.019).
O Capítulo 3 apresenta a segunda aplicação desenvolvida e consiste na “Avaliação multitabelas da degradação térmica do óleo de arroz”. Os resultados referentes a essa aplicação serão divulgados em periódico científico e encontra-se em fase de redação.
No Capítulo 4 será apresentado uma conclusão geral acerca das pesquisas desenvolvidas.
CAPÍTULO I
1. INTRODUÇÃO GERAL
1.1 ÓLEOS VEGETAIS
Entende-se por óleos vegetais, um conjunto de compostos orgânicos, o glicerol, ácidos graxos e compostos desta condensação, chamados de triglicerídeos (MORETTO & FETT, 1998). Também são constituídos de substâncias como esteróis, tocoferóis, fenóis, flavonóides, compostos voláteis, vitaminas e pigmentos (APARÍCIO & APARICIO-RUÍZ, 2000). As propriedades químicas, físicas e nutricionais dos óleos e gorduras dependem da natureza, do número de átomos de carbono e posição dos grupos acila presentes nas moléculas de triglicerídeos (VIANNI & BRAZ-FILHO, 1996).
Os lipídios são biomoléculas caracterizadas pela sua alta solubilidade em solventes orgânicos e insolubilidade em água, sendo componentes essenciais das estruturas biológicas. Encontram-se distribuídos nos tecidos, principalmente nas membranas celulares e nas células de gordura. Ocupam funções metabólicas como: reações enzimáticas, transmissão de impulsos nervosos, armazenamento de memória e síntese de hormônios. São também veículos de vitaminas lipossolúveis (A, D, E, K), carotenoides, esteróis e são fonte de ácidos graxos essenciais (JORGE, 2009). Porém, os lipídios indicados ao consumo humano são os que não propiciam o surgimento de doenças coronárias e que não comprometem as vias circulatórias (RAPOSO, 2010), como por exemplo, ácidos graxos poliinsaturados e ácidos graxos essenciais (ω-3 e ω-6), encontrados nas mais diversas fontes vegetais.
A extração de óleos vegetais a partir de diversas plantas vem aumentando, e estes fazem parte da dieta humana (REDA & CARNEIRO, 2007). As características e composição do óleo que é extraído de sementes de oleaginosas ou de frutos dependem da sua matriz, como também, fatores como solo, clima, tratamento, colheita e processo químico que pode ocorrer durante o armazenamento (PARK & LEE, 2003). Óleos comestíveis são utilizados pela indústria de alimentos devido às características nutricionais e sua influência sobre o odor e sabor dos produtos alimentares (SZYDLOWSKA-CZERNIAK, 2013), sendo importante fonte de energia, auxilia no funcionamento regular do
organismo, como veículo no transporte de vitaminas lipossolúveis e de ácidos graxos essenciais (principalmente ácido linoleico – ω6) (LINDLEY, 1998).
As matérias primas vegetais para a indústria de óleos podem ser divididas em três categorias: cereais, oleaginosas e leguminosas. Os óleos de milho, arroz e trigo são encontrados na categoria de cereais, por serem cultivados por interesse em sua fração amilácea e proteica do endosperma. Os óleos de amendoim e soja são enquadrados na categoria de leguminosas, apresentando elevado conteúdo de óleo, alta qualidade proteica e versatilidade de uso. Dentro da categoria oleaginosa, estão incluídos os óleos de canola, girassol, gergelim, amendoim, palma, coco, oliva e algodão (BLOCK & BARRERA-ARELLANO, 2009).
O óleo se difere do azeite pelo fato de que os óleos são produzidos utilizando processos químicos que envolvem a utilização de solventes enquanto que os azeites são provenientes da polpa de frutos (oliva e dendê, por exemplo), são extraídos por processos de prensagem mecânica a frio ou a quente sem a utilização de reagentes químicos, dependendo das caraterísticas do azeite que se busca produzir e a qualidade inicial da matéria prima (ALVES, 2010; BLOCK & BARRERA-ARELLANO, 2009; JORGE, 2009).
1.2 QUIMIOMETRIA
A quimiometria é uma disciplina da química que utiliza métodos estatísticos e matemáticos, com a finalidade de fornecer o máximo de informações quando da análise de dados químicos (MASSART et al., 1989). Está relacionada a processos que transformam dados complexos e sinais analíticos em informações úteis, bem como na modelagem de dados espectrais para prever as concentrações de um analito de interesse (ASCENCIO et al.; 2010; GHOSH & JAVAS, 2009).
O avanço da espectroscopia proporcionou a obtenção de medições rápidas e não destrutivas que são relacionadas com a qualidade de alimentos e permite a obtenção de informações sobre os componentes químicos e físicos destes. Existem diferentes técnicas de espectroscopias empregadas para estudar as relações entre estrutura e função em alimentos, avaliar a qualidade, segurança e características sensoriais, investigar infecções fúngicas em matérias de origem vegetal, ou para estudar a mobilidade dos diferentes
compostos químicos nos alimentos (SKJERVOLD et al.;2003; GHOSH & JAVAS; 2009). Entretanto, muitas técnicas espectroscópicas geram sinais não seletivos e, portanto, a quimiometria torna-se imprescindível para extrair dos resultados uma maior quantidade de informação e auxiliar na sua interpretação. O crescimento e desenvolvimento da quimiometria juntamente com o uso da espectroscopia permitiu a aquisição de uma grande quantidade de informação sobre uma amostra em pouco tempo (SOUZA & POPPI, 2012). A partir de espectros na região do ultravioleta e visível (UV-Vis) e infravermelho próximo (NIR) o uso de métodos quimiométricos tornou possível a interpretação dos dados de forma a obter informações facilitando a interpretação e a obtenção de uma maior quantidade de informações relevantes sobre as amostras em estudo (KILLNER et al., 2011).
A quimiometria encontrou na análise de alimentos amplas possibilidades de aplicações, como por exemplo, planejando e otimizando experimentos, obtendo conhecimento geral de sistemas químicos e extraindo informações relevantes das amostras (reconhecimento de padrões), abrangendo tópicos de calibração multivariada, processamento de sinais, classificação, entre outros (FERREIRA et al.; 1999).
O emprego das espectroscopias aliadas à quimiometria tem sido investigado em análise de óleos vegetais, por exemplo, no sentido da autenticação (ALVES & VALDERRAMA; 2015), fraudes e adulterações (VALDERRAMA et al.; 2014; CHRISTY et al.; 2004), estudos de degradação (GONÇALVES et al.; 2014; GONÇALVES et al.; 2014b; GONÇALVES et al.; 2015; VALDERRAMA et al.; 2011) e na distinção entre óleos vegetais crus e refinados (GIACOMELLI et al. 2006). Métodos espectroscópicos combinados com métodos quimiométricos podem ser utilizados em aplicações tanto qualitativas quanto quantitativas de um determinado analito (NAES et al., 2002).
1.3 MÉTODO PARA ANÁLISE MULTITABELAS – ComDim
O método de análise multitabelas é um método quimiométrico de reconhecimento de padrão não supervisionado, cujo objetivo é avaliar tabelas (ou matrizes) de dados adquiridos para o mesmo número de amostras (isto é, um conjunto de matrizes de dados com o mesmo número de linhas, mas não
necessariamente o mesmo número de variáveis). Um método de análise multitabelas é o “Common Component and Specific Weights Analysis” - CCSWA, e uma implementação derivada do método CCSWA é denominada “Common Dimension” – ComDim.
Diferentes métodos para análise multitabelas (também chamados de métodos de análise multiblocos) estão disponíveis para o estudo simultâneo de vários conjuntos de matrizes com diferentes variáveis descrevendo a mesma amostra (PLAEHN & LUNDAHL, 2006; PLAEHN & LUNDAHL, 2007; MUTEKI & MACGREGOR, 2007; HÖSKULDSSON, 2008). Estes métodos podem ser úteis para avaliar informações sobre o mesmo conjunto de amostras contendo sinais adquiridos utilizando diferentes técnicas (BOUVERESSE et al., 2011).
Como resultado da aplicação do método ComDim, uma série de matrizes de dados (para um mesmo conjunto de amostras) oriundas de diferentes técnicas analíticas podem ser transformadas em gráficos informativos que mostram a relação entre as amostras nos componentes comuns (CC), e variáveis no gráfico dos loadings. O gráfico das saliences tem importância primordial, pois permitirá avaliar em qual das tabelas analisadas encontra-se a informação predominante para o padrão de agrupamento em cada um dos CC. Na Figura 1 é ilustrado as etapas envolvidas no processo para aplicação do método ComDim.
Figura 1 – Etapas da aplicação do método ComDim.
De acordo com a Figura 1, nas etapas A, B e C os espectros UV-Vis, os espectros NIR e os resultados para a composição em ácidos graxos, por
exemplo, são organizados no formato de matrizes X, Y e Z, respectivamente. Nesse processo, cada linha da matriz X, por exemplo, representa uma amostra, ou seja, espectro de um determinado tipo de óleo ou azeite, enquanto que cada coluna contém o valor da absorbância em um determinado comprimento de onda, ou a composição em ácido graxo. Na Figura 1D, as matrizes X, Y e Z, são dispostas lado a lado formando uma hipermatriz onde o método ComDim é aplicado e fornece como resultados três gráficos: um gráfico de scores dos CC que fornece informações sobre as amostras, um gráfico de pesos ou loadings dos CC que fornece informações sobre as variáveis, e um gráfico de saliences que mostra em qual das tabelas analisadas está a informação predominante para o padrão de semelhanças e diferenças entre as amostras observado no gráfico dos scores.
O método ComDim de análise multitabelas calcula iterativamente, para cada CC, uma série de vetores de scores (coordenadas das amostras na dimensão comum). Cada tabela ou matriz tem um peso específico, chamado de saliência (salience), associado com cada dimensão no espaço comum. As diferenças significativas nos valores dos pesos (loadings) específicos para uma dada dimensão refletem o fato da dimensão conter informações que estavam presente em alguns blocos mas não em outros. A ideia principal do método ComDim consiste em calcular uma soma ponderada da matriz de variância-covariância de cada bloco e, em seguida extrair seu primeiro componente principal normalizado denominado como primeiro CC (ou primeira dimensão comum). O algoritmo, em seguida, calcula iterativamente o peso de cada bloco para o CC calculado. Finalmente, a percentagem de variabilidade extraída pelo CC pode ser computada (QANNARI et al.; 2000; QANNARI et al.; 1995).
A análise multitabelas através do método ComDim foi empregada, por exemplo, para o estudo de maçãs de dois cultivares diferentes em três níveis de maturação a partir de espectros obtidos na região do infravermelho para as amostras intactas (BOUVERESSE et al.; 2011), em análises sensoriais (QANNARI et al.; 2000; QANNARI et al.; 1995), no estudo de propriedades de lignina através de ressonância magnética nuclear na avaliação da concentração, forma física e nível de umidade (BOUVERESSE et al.; 2011); na avaliação da preferência de consumidores (QANNARI et al.; 2001) e na avaliação de vinhos provenientes de três safras consecutivas empregando
espectroscopia na região do infravermelho e fluorescência molecular (BOUVERESSE et al.; 2011). O método ComDim foi empregado a dados de espectroscopia UV-Vis-NIR de óleo de noz macadâmia submetido ao tratamento térmico (ROSA et al.; 2016). Este método também foi utilizado na avaliação da estabilidade oxidativa de óleos de chia encapsulado e in natura (GUIMARÃES et al.; 2016), na avaliação da composição química de nozes e sementes comestíveis (ROSA et al.; 2016) e para avaliação do perfil livre de bolos contendo maçã e yacon (TORMENA et al.; 2016).
Neste trabalho os óleos comestíveis serão avaliados por meio de diferentes técnicas analíticas através da análise multitabelas ComDim.
2. OBJETIVOS 2.1 Objetivo Geral
Empregar a análise multitabelas (ComDim) para avaliar informações sobre um conjunto de amostras de óleos vegetais.
2.2 Objetivos Específicos
Aplicar métodos espectroscópicos (UV-Vis e NIR) e cromatográficos no estudo de óleos vegetais e azeites de oliva, e através da análise multitabelas (ComDim) identificar padrões de semelhanças e diferenças entre as amostras.
Degradar amostras de óleo de arroz simulando um processo de fritura, realizar análises físico-químicas (índice de iodo, índice de refração, índice de peróxido, índice de acidez e extinção específica) e métodos espectroscópicos (UV-Vis e NIR) e identificar padrões de semelhanças e diferenças entre as temperaturas através da análise multitabelas (ComDim).
CAPÍTULO II
Análise de dados em multitabelas usando o ComDim
para avaliação de amostras complexas: caracterização
2. ANÁLISE DE DADOS EM MULTITABELAS USANDO O COMDIM PARA AVALIAÇÃO DE AMOSTRAS COMPLEXAS: CARACTERIZAÇÃO DE ÓLEOS COMESTÍVEIS
2.1 INTRODUÇÃO
O número de estudos envolvendo diferentes tipos de óleos e ferramentas quimiométricas aumentaram consideravelmente nos últimos anos. Uma pesquisa realizada no site “ScienceDirect” com as palavras “óleo” e “quimiometria” mostrou um aumento de 39 artigos em 2000 para 366 artigos para 2015. Existem vários tipos de aplicações, incluindo: avaliação de autenticidade (ALVES & VALDERRAMA, 2015), fraude e adulteração (VALDERRAMA et al., 2014; CHRISTY et al., 2014), estudos de degradação (GONÇALVES eet al., 2014; GONÇALVES et al., 2014b; GONÇALVES et al., 2014; GONÇALVES et al., 2015; VALDERRAMA et al., 2011) e a distinção de óleos vegetais crus e refinados (GIACOMELLI & MATTEA, 2006).
Óleos vegetais são um dos produtos alimentícios mais produzidos e consumidos no mundo. Eles constituem uma fração importante da dieta humana devido ao conteúdo energético e componente nutricional (HU et al., 2014). Embora existam muitos tipos de óleos novos disponíveis, há muito pouco estudo para investigar e caracterizar esses óleos em grande parte devido a sua baixa produção industrial. Entretanto, as condições de armazenamento e processamento têm influência direta sobre suas características e benefícios (LE DRÉAU et al., 2009), por isso, estes novos óleos devem ser analisados.
Entre as ferramentas quimiométricas que podem ser usadas para investigar esses produtos estão os métodos de análise multitabelas. Esses métodos podem avaliar simultaneamente várias tabelas (ou matrizes) de dados adquiridos para as mesmas amostras (isto é, um conjunto de matrizes de dados diferentes com o mesmo número de linhas, mas não necessariamente o mesmo número de colunas). A análise multitabelas pode ser útil para extrair informação sobre o mesmo conjunto de amostras para as quais os sinais foram adquiridos utilizando diferentes técnicas (BOUVERESSE et al., 2011). Para avaliar a composição e caracterizar os óleos comestíveis com base na cromatografia gasosa com detecção por ionização em chama (CG-FID), na
espectroscopia de infravermelho próximo (NIR) e espectroscopia no ultravioleta e visível (UV-Vis), foi utilizada uma implementação do método multitabelas denominado “Common Dimension” ComDim.
2.2 MATERIAL E MÉTODOS
2.2.1 Amostras e procedimentos gerais
Trinta e duas amostras de óleos de diferentes fontes vegetais foram analisadas neste estudo: amêndoa do Brasil (1), canola do Brasil (2), cártamo do Brasil (3), sementes de girassol do Brasil (4), girassol do Brasil (5), nozes do Brasil (6), gergelim do Brasil (7), e da Hungria (8), arroz da Tailândia (9), Brasil (10) e Uruguai (11), chia do Brasil (12), mostarda do Reino Unido (13), avelã do Brasil (14) e França (15), linhaça do Brasil (16), azeite de oliva extra light da Hungria (17), azeite de oliva extra virgem do Chile (18) e Grécia (19), azeite de oliva refinado da Itália (20), azeite de oliva extra virgem do Uruguai (21), Chile (22), Portugal (23), Uruguai (24), da Espanha com acidez de 0,4 (25), 0,2 (26), 0,5 (27), 0,3 (28), amendoim de Portugal (29), nozes da França (30), sementes de uva verde da Hungria (31) e sementes de uva da Itália (32). Todas as amostras comerciais foram adquiridas na América do Sul. Os números entre parênteses correspondem aos códigos utilizados neste estudo.
As medidas espectrais na região NIR (900 – 1650 nm) foram realizadas em espectrômetro microNIR JDSU empregando um acessório de vidro. Na região UV-Vis (200 – 800nm) as medidas foram realizadas utilizando um equipamento Ocean Optics e uma cubeta de quartzo de 1 mm de caminho óptico. Todas as medidas espectrais foram realizadas a temperatura ambiente.
Os ácidos graxos de ésteres metílicos (FAME) (ácidos graxos saturados-SFAs, ácidos graxos monoinsaturados-MUFAs, ácidos graxos poli-insaturados-PUFAs, ômega-3, ômega-6) foram determinados de acordo com Joseph & Ackman (1992). As FAME foram avaliadas por Cromatógrafo Gasoso Thermo modelo 3300 equipado com um detector de ionização de chama (FID), gás de arraste de H2 e uma coluna capilar de sílica fundida CP-7420 (100m x 0,25 mm
i.d. x 0,25m de cianopropil, SELECT FAME) (MARTIN et al., 2008). A temperatura do detector e do injetor foi de 240ºC e 230ºC, respectivamente. A temperatura inicial da coluna foi de 165ºC durante 18 min, depois foi programada para aumentar 4ºC a cada 1 min até 235ºC, e esta temperatura
final foi mantida durante 14,5 min. Os tempos de retenção e porcentagem da área dos picos foram calculados automaticamente com o software Chromquest 5.0.
Os resultados das diferentes técnicas analíticas foram avaliados utilizando o método quimiométrico de multitabelas ComDim executado pelo software Matlab R2007b.
2.3 RESULTADOS E DISCUSSÃO
A Figura 2 mostra os espectros UV-Vis e NIR dos óleos utilizados neste estudo. Os espectros NIR tiveram sua linha de base corrigida e foram suavizados empregando o algoritmo savgol (SAVITZKY & GOLAY, 1964) (polinômio de primeira ordem aplicado em uma janela espectral de 5 pontos). Devido à falta de seletividade na espectroscopia UV-Vis e NIR, são difíceis tirar conclusões simplesmente considerando os espectros. A combinação dos resultados destas técnicas com os resultados CG-FID (Tabela 1) usando o método de análise multitabelas ComDim permite melhorar a interpretabilidade e a confiabilidade dos resultados.
Tabela 1 – Composição dos óleos vegetais comestíveis em termos de ácidos
graxos determinado por CG-FID (g ácidos graxos g-1 óleo).
Amostras SFA MUFA PUFA Ômega-3 Ômega-6
1 8.16 62.87 28.97 0.03 28.94 2 9.39 59.78 30.82 10.92 19.91 3 8.79 53.91 21.59 2.36 19.24 4 10.95 43.26 45.80 0.06 45.74 5 8.85 36.20 54.96 0.17 54.79 6 15.74 26.17 58.09 5.43 52.65 7 16.46 40.86 42.68 0.30 42.38 8 16.24 41.74 42.01 0.30 41.71 9 23.15 42.56 34.30 1.15 33.15 10 26.33 41.18 32.49 1.21 31.28 11 21.43 42.43 36.14 1.38 34.77 12 13.10 21.76 65.13 42.2 22.95 13 12.68 19.41 37.39 5.80 31.59 14 7.95 79.91 12.14 0.09 12.05 15 10.83 79.62 9.55 0.29 9.26 16 10.22 20.47 69.31 53.1 16.22 17 16.40 74.11 9.49 0.49 9.00 18 16.30 74.61 9.09 0.53 8.56 19 12.59 77.57 9.85 0.72 9.13 20 15.24 78.45 6.31 0.51 5.80 21 19.73 63.19 17.08 0.69 16.38 22 16.08 79.43 4.49 0.37 4.12 23 17.93 73.72 8.34 0.52 7.82 24 17.12 69.62 13.27 0.66 12.61 25 15.29 78.94 5.78 0.67 5.10 26 15.54 76.49 7.97 0.71 7.26 27 15.13 77.63 7.24 0.72 6.52 28 17.94 73.55 8.51 0.60 7.91 29 10.98 39.72 16.42 0.07 16.35 30 7.40 23.27 51.62 8.43 43.19 31 13.29 25.84 60.87 0.35 60.53 32 11.50 18.95 69.55 0.29 69.26
SFA: Ácidos graxos saturados, MUFA: Ácidos graxos monoinsaturados e PUFA: Ácidos graxos poliinsaturados.
Para a aplicação do método ComDim, a primeira tabela foi composta pelos espectros UV-Vis, a segunda por espectros NIR e a terceira tabela apresentou a composição em ácidos graxos. Quatro dimensões comuns (CC) foram calculadas. A razão para isso é que esse número foi suficiente para ter certeza de que todas as fontes importantes de variação nos dados seriam levados em consideração. Além disso, o CC4 explica muito pouca variabilidade, o que justifica não ser necessário a utilização de mais CCs.
Para cada CC, o método ComDim calcula os scores para as amostras, as saliences de cada tabela e os loadings das variáveis em cada tabela. A Figura 3(A) mostra os scores com informações sobre as semelhanças e diferenças entre as amostras, enquanto que as saliences, Figura 3(B), mostram qual tabela contém a informação responsável pelo padrão de pontuação em cada CC. Os loadings, apresentados na Figura 3(C), fornecem informações sobre quais variáveis em cada tabela são importantes para os padrões observados nos scores.
B
C
Figura 3 – Resultado da análise multitabelas ComDim para cada componentes comuns (CC) 1, 2, 3 e 4. (A) Scores. (B) Saliences e (C) Loadings.
O CC3 apresentou o valor de salience para CG-FID em destaque, ou seja, maior que os outros dois, e esses CC são, portanto, principalmente influenciados por esta tabela. Para CC2, apenas a região espectral UV-Vis tem um efeito mais significativo. Para CC4 os dados CG-FID e UV-Vis contribuem para a dispersão das amostras. Por outro lado, embora CC1 seja principalmente influenciado pela região espectral NIR, há contribuição da região espectral do UV-Vis e CG-FID.
Os scores de CC1 na parte negativa apresenta um grupo de amostras formado pelos óleos de: amêndoa, canola, girassol, sementes de girassol, cártamo, castanha do Brasil, gergelim, arroz, chia, mostarda, avelã, linhaça, nozes, semente de uva verde e semente de uva. As saliences mostram que a informação predominante para esta discriminação foi encontrada na região espectral NIR. Avaliando o gráfico de loadings de CC1, as amostras foram discriminadas por grupos funcionais que absorvem ligeiramente na região entre 1100-1215 nm e fortemente entre 1300-1460 nm. De acordo com Shenk et al., (2008), essas duas regiões correspondem ao quarto overtone de C=O (1160 nm), C-H do segundo overtone de HC=CH (1170 nm), C-H do segundo
overtone de CH3 (1195 nm), C-H do segundo overtone de CH2 (1215 nm), C-H
da banda de combinação de CH3 (1360 nm), C-H da banda de combinação de
CH2 (1395, 1415 e 1440 nm), O-H do primeiro overtone de R-OH em amostras
de óleo (1410 nm) e C=O do terceiro overtone (1450 nm). Julio et al., (2015) relataram que o óleo de chia apresenta altos níveis de insaturação devido ao seu valor de índice de iodo (213,00 g/100 g-1). Uma vez que o valor de iodo representa o grau de insaturação dos óleos, os óleos com uma grande quantidade de ácidos graxos insaturados apresentam os valores mais elevados de iodo, tais como amostras de óleo de chia. Confrontando a informação sobre o valor de iodo do óleo de chia e os grupos funcionais que podem absorver na região NIR na parte negativa do gráfico de loadings de CC1, é possível atribuir a absorção destes grupos funcionais aos PUFA presentes nestas amostras de óleo. Esta informação pode ser confirmada pela Tabela 1. Além disso, estes resultados estão de acordo com Berquin et al., (2008) em que óleos de sementes de uva e arroz mostraram alta concentração de ácidos graxos insaturados, especialmente ômega-3 e ômega-6. Portanto, é possível concluir
que as amostras na parte negativa do gráfico de scores CC1 são semelhantes devido ao seu conteúdo de composição de ácidos graxos.
As amostras que estão na parte positiva dos scores de CC1 (azeite de oliva e óleo de amendoim) são semelhantes devido à absorção na região NIR entre 960-1100 nm, 1200-1300 nm, 1460-1600 nm. A região entre 960-1100 nm é atribuída ao terceiro overtone de C-H, C-H2, C-H3, R-OH e R-NH2
(http://www.metrohm.com/en/company/news/news-free-monographs/). A região entre 1200-1300 nm inclui o segundo overtone C-H (1225 nm) (SHENK et al., 2008), enquanto a região entre 1460-1600 nm é atribuída ao primeiro overtone de C-H, C-H2 e C-H3 e segundo overtone de CONH2, RNH2 e CONHR
(http://www.metrohm.com/en/company/news/news-free-monographs/), também N-H do primeiro overtone de CONHR (1471 e 1490 nm), CONH2 (1483 nm),
N-H (1500 nm), proteína (1510 nm), RNN-H2 (1530 nm) e CONH (1570 nm)
(SHENK et al., 2008). Os azeites de oliva contêm 55-88% de ácidos graxos monoinsaturados (TENA et al., 2009), então, as amostras de azeite de oliva e de amendoim são semelhantes devido ao teor de ácidos graxos monoinsaturados. Block & Barrera-Arellano (2013) classificaram os óleos nos grupos oleaginosas, vegetais e dos cereais. De acordo com estes autores, os azeites de oliva e amendoim são classificados na mesma classe, no grupo oleaginosa, onde o óleo de amendoim apresenta proteína de alta qualidade.
De acordo com as saliences de CC2, a informação predominante para a distribuição do grupo para as amostras neste CC é devido à região UV-Vis. Os
scores de CC2 mostram que as amostras na parte negativa do CC2 (amêndoa,
canola, cártamo, sementes de girassol, girassol, gergelim do Brasil, avelã do Brasil, linhaça, amendoim e azeite de oliva extra virgem) são semelhantes devido à absorção de carotenoides (380-500 nm) e clorofilas (420 e 670 nm) (DOMENICI et al., 2014; GIUFFRIDA et al., 2007; PSOMIADOU & TSIMIODOU, 2002; GARCÍA-GONZALÉZ et al., 2008). Estas absorções podem ser observadas na parte negativa no gráfico de loadings de CC2. As quantidades e proporções desses pigmentos dependem do sistema de processamento do óleo, das condições de armazenamento e da cultivar e maturação, no caso dos azeites de oliva (FIGUEIREDO et al., 2015).
As amostras localizadas na parte positiva do gráfico de scores de CC2 (castanha do Brasil, gergelim, todas as amostras de arroz, chia, mostarda,
avelã da França, nozes, semente de uva verde, semente de uva, azeite de oliva extra light, virgem e refinado) são semelhantes devido à absorção de compostos polifenólicos (270-330 nm) (VALDERRAMA et al., 2016) e tocoferóis (325 nm) (GONÇALVEZ et al., 2014; GONÇALVES et al., 2014b; GONÇALVES et al., 2015). Componentes fenólicos contribuem para o impacto sobre os aspectos sensoriais e de qualidade, e também estão relacionados com os benefícios para a saúde (FIGUEIREDO et al., 2015). Os resultados sugerem que estes óleos apresentam características semelhantes aos azeites de oliva com qualidade inferior, como o virgem e refinado. A presença de azeite de oliva extra virgem na parte negativa no gráfico de scores de CC2 e de azeites de oliva com qualidade inferior na parte positiva de CC2 estão de acordo com estudo prévio (VALDERRAMA et al., 2014), quando os azeites de oliva extra virgem e os azeites de oliva virgem são classificados em diferentes classes.
Como o ComDim é um método de reconhecimento de padrões não supervisionado, é impossível obter informações sobre quantidades de tocoferóis e polifenóis nas amostras. No entanto, um estudo anterior mostrou que o azeite de oliva virgem é mais sujeito a oxidação do que os azeites de oliva extra virgem devido às menores quantidades dos compostos antioxidantes (GONÇALVES et al., 2015). Portanto, é possível concluir que as amostras na parte positiva do scores de CC2 apresentam menores quantidades de tocoferóis e compostos polifenólicos do que amostras na parte negativa de CC2.
As saliences de CC3 mostram que a informação predominante neste CC é devido à composição de ácidos graxos. Na parte negativa do gráfico de
scores de CC3 estão as amostras de amêndoa, canola, cártamo, todas as
amostras de arroz, amostras de avelã e todas as amostras de óleo extra virgem são semelhantes devido à SFA e MUFA. De acordo com Vianni e Braz-Filho (1996), os azeites de oliva e de arroz apresentam maior teor de ácidos graxos monoinsaturados. Os resultados desses autores estão, portanto, de acordo com os resultados observados neste trabalho.
As amostras na parte positiva do gráfico de scores de CC3 (sementes de girassol, girassol, castanha-do-pará, gergelim, chia, mostarda, linhaça, azeite de oliva extra light, virgem e refinado, amendoim, nozes, uva verde e semente de uva) são consideradas semelhantes devido a PUFA, ômega-3 e ômega-6.
Essa similaridade está de acordo com os resultados apresentados por Vianni e Braz-Filho (1996), que mostram maiores quantidades desses ácidos graxos em sementes de girassol, gergelim, nozes, linhaça e azeite.
As saliences de CC4 mostraram que a informação predominante para a discriminação das amostras também é a composição em ácidos graxos. Neste caso, há muitas amostras em torno da posição zero no gráfico de scores. No entanto, o óleo de chia e o óleo de linhaça estão presentes na parte positiva do gráfico de scores de CC4 e as amostras de sementes de girassol, girassol, castanha do Brasil, gergelim, semente de uva verde e semente de uva estão na parte negativa do gráfico de scores de CC4.
As amostras na parte positiva do gráfico de scores de CC4 distinguem-se das outras de acordo com o teor de ômega-3. Por outro lado, as amostras na parte negativa do gráfico de scores de CC4 são semelhantes devido ao teor de ômega-6.
Um resumo dos resultados obtidos pela aplicação do método ComDim aos dados obtidos a partir das espectroscopias UV-Vis e NIR, acoplado aos resultados CG-FID são apresentados na Tabela 2. Verificou-se que a amêndoa, canola, cártamo e avelã estão sempre na mesma classe e apresentam características semelhantes devido à absorção de NIR e UV-Vis e composição em ácidos graxos. Não existem estudos prévios que descrevem a aplicação do ComDim para a caracterização e discriminação de óleos vegetais. Além disso, a metodologia proposta se baseia em um método de reconhecimento de padrões não supervisionado que é altamente eficiente na separação de amostras seguindo suas características e composição.
Tabela 2 – Resumo dos resultados do ComDim para avaliação de óleos
vegetais.
Região NIR
C=O do quarto overtone (1160 nm), C-H do segundo overtone de HC=CH (1170 nm), CH3 (1195 nm) e CH2 (1215 nm), C-H das bandas de combinação de CH3 (1360 nm) e CH2 (1395, 1415 e 1440 nm), O-H do primeiro overtone de R-OH em amostras de óleo (1410 nm), C=O do terceiro overtone (1450 nm).
Terceiro overtone de C-H, C-H2, C-H3, R-OH e R-NH2, segundo overtone de C-H (1225 nm), primeiro overtone de C-H, C-H2 e C-H3 e segundo overtone de CONHR, N-H e primeiro
overtone de CONHR (1471 e 1490 nm), CONH2 (1483 nm), N-H (1500 nm), proteína (1510), RNH2 (1530 nm) e CONH (1570 nm).
Amêndoa, canola, cártamo, sementes de girassol, girassol, nozes Brasil, amostras de gergelim, todas as amostras de óleo de arroz, chia, mostarda, amostras de avelã, semente de linhaça, nozes, semente de uva verde e semente de uva.
Azeites de oliva e amendoim.
UV-Vis
Absorção de carotenos (380-500 nm) e clorofilas (420 e 670 nm).
Absorção de compostos fenólicos (270-330 nm) e tocoferol (325 nm).
Amêndoa, canola, cártamo, sementes de girassol, girassol, gergelim do Brasil, avelã do Brasil, semente de linhaça, amendoim e azeite de oliva extra virgem.
Nozes do Brasil, gergelim de Budapste, todas as amostras de arroz, chia, mostarda, avelã da França, nozes, semente de uva verde, semente de uva, azeite de oliva extra light, virgem e refinado.
Composição em ácidos graxos SFA e MUFA.
PUFA, ômega-3 e ômega-6.
Amêndoa, canola, cártamo, todas as amostras de arroz, amostras de avelãs e todas as amostras de azeite de oliva extra virgem.
Sementes de girassol, girassol, nozes do Brasil, amostras de gergelim, chia, mostarda, semente de linhaça, azeites de oliva extra light, refinado e virgem, amendoim, nozes, semente de uva verde e semente de uva.
2.4 CONCLUSÕES
A análise multitabelas ComDim forneceu uma maneira de avaliar simultaneamente os resultados de múltiplas tabelas, como a espectroscopia NIR e UV-UV e a composição em ácidos graxos em amostras de óleo vegetal. Este método de reconhecimento de padrão não supervisionado é capaz de transformar os resultados de tabelas em gráficos informativos, mostrando a relação entre as amostras através dos scores, qual tabela é mais importante para o padrão de distribuição das amostras através das saliences, e quais variáveis são responsáveis por essas semelhanças observadas nas amostras através do gráfico dos loadings. Foi possível inferir sobre similaridades e diferenças entre as amostras estudadas de acordo com a absorção na região UV-Vis e NIR, bem como a composição em ácidos graxos. O método quimiométrico ComDim é eficiente na discriminação de amostras por suas características e composição e demonstra também aplicabilidade analítica em outros tipos de amostras quando diferentes variáveis (diferentes técnicas) descrevem as mesmas amostras.
CAPÍTULO III
Avaliação multitabelas da degradação térmica do
óleo de arroz
3. AVALIAÇÃO MULTITABELAS DA DEGRADAÇÃO TÉRMICA DO ÓLEO DE ARROZ
3.1 INTRODUÇÃO
O óleo de arroz pertencente da família das gramíneas, é obtido do farelo de Oryza sativa L., através de processos tecnológicos adequados (ANVISA, 1999), e utilizado para mercados mais específicos e de valor agregado. Contém proteínas, vitamina B, E (tocoferol e α-tocotrienol), vitamina K e o antioxidante γ-orizanol, que proporciona estabilidade ao óleo (TOMITA et al., 2014).
A utilização do óleo de arroz inclui aditivos alimentares, cosméticos, farmacêuticos e ração animal (HOED et al., 2006). Sua ingestão diminui a absorção de colesterol no sangue, ação atribuída ao γ-orizanol, tocoferóis, tocotrienóis e outros fitosteróis (MOST et al., 2005), permite a prevenção de doenças cardiovasculares e alguns tipos de câncer (AGGARWAL et al., 2010), além de contribuir significativamente com propriedades anti-inflamatórias (RAO et al., 2016).
De acordo com Norton (1995), o óleo de arroz pode ser usado para fritura por conter orizanol, sendo resistente à oxidação durante a cocção. Por conter um gosto neutro, pode ser utilizada para temperar saladas e suas propriedades nutricionais são comparados a de outros óleos vegetais (RODRIGUES et al., 2006).
O processo de extração de óleo de farelo de arroz é um desafio, principalmente pelo elevado teor de ceras (3-8%), ácidos graxos livres, compostos insaponificáveis e lipídios polares, que podem ser extraídos durante o processo (NARAYANA et al., 2002). Além disso, o custo para a produção deste óleo vegetal é uma desvantagem por existir uma complexidade no processo de seu refino (RODRIGUES et al., 2006).
A composição do grão de arroz é de 20% de casca, 70% de endosperma e 10% de farelo e germe. Nestas últimas camadas está concentrada a maior parte dos lipídios do grão de arroz (ORTHOEFER, 1996). O farelo pode conter entre 12-18% de óleo, significando que o grão de arroz possui apenas 0,8% de óleo (DORSA, 2004). Essas porcentagens variam de acordo com o tipo de
arroz, condições climáticas e métodos de beneficiamento do arroz (AMARASINGHE & GANGODAVILAGE, 2004).
De acordo com a RDC 482/99, que descreve os requisitos específicos para vários tipos de óleos, dentre eles, o óleo de arroz, pode-se observar na Tabela 3, as características físicas e químicas do óleo de arroz.
Tabela 3 – Características físicas e químicas do óleo de arroz. ÁNALISES FISICO-QUÍMICAS PADRÃO DE QUALIDADE
Densidade relativa 0,919 – 0,924 (20ºC/20ºC) 0,916 – 0,921 (25ºC/25ºC) Índice de refração (nd 40 ) 1,465 – 1,468 Índice de saponificação 181 – 189
Índice de iodo (Wijs) 99 – 108
Matéria insaponificável, g/100g Máximo 5,0
Acidez, g de ácido oleico/100g
Óleo refinado Máximo 0,3
Óleo degomado e descerrado Máximo 15
Óleo bruto Máximo 15
Fósforo g/100g
Óleo degomado e descerrado Máximo 0,02
Índice de peróxido, mEq/kg Máximo 10
Óleos vegetais utilizados em frituras podem sofrer diversas transformações físicas, químicas, sensoriais e nutricionais, não conseguindo manter suas características aceitáveis para consumo (ABDULKARIM et al., 2007). O aquecimento leva a polimerização das moléculas de triacilgliceróis, aumentando o índice de acidez (MORETTO & FETT, 1998), podem hidrolisar formando ácidos graxos livres, oxidar produzindo peróxidos, hidroperóxidos, dienos e trienos conjugados, epóxidos, hidróxidos e cetonas (SANIBAL & MANCINI-FILHO, 2002), aumentando os valores de índice de peróxidos, índice de iodo e índice de refração (ABDULKARIM et al., 2007; CUESTA et al., 1991), podendo ser nocivos à saúde humana, além de serem depreciativos da qualidade nutricional e sensorial dos óleos.
Entender as alterações e mudanças físicas, químicas e sensoriais ocorridas no óleo de arroz após sofrer aquecimento, pode ajudar a garantir produtos de melhor qualidade nutricional. Desta forma, os principais objetivos
deste estudo foram, degradar amostras de óleo de arroz simulando um processo de fritura, realizar análises físico-químicas (índice de acidez, índice de iodo, índice de refração, índice de peróxido e extinção específica) e análises espectroscópicas (UV-Vis e NIR) e através da análise multitabelas ComDim identificar padrões de semelhanças e diferenças nas diferentes temperaturas analisadas.
3.2 MATERIAL E MÉTODOS
3.2.1 Amostras e procedimentos gerais
Foram analisados duas amostras de óleo de arroz de diferentes marcas provenientes do Brasil e Uruguai. Estas amostras foram aquecidas em béquer de vidro utilizando uma chapa aquecedora, e alíquotas foram recolhidas nas temperaturas de 25ºC, 30ºC, 50ºC, 70ºC, 90ºC, 110ºC e 120oC, para posterior realização das análises. A degradação foi realizada sob agitação e em sistema aberto, simulando um processo de fritura.
Os resultados das diferentes técnicas analíticas foram avaliados utilizando o método quimiométrico de multitabelas ComDim executado pelo software Matlab R2007b.
3.2.2 Determinação da acidez
A determinação de acidez foi realizada de acordo com AOCS Ca 5a-40. Adicionou-se 25 mL de álcool etílico 95% em um frasco erlenmeyer com 5 g da amostra, adicionou 2 gotas de solução de fenolftaleína 1% como indicador e titulou com solução de NaOH 0,1 mol.L-1 até o aparecimento da coloração rósea, a qual perdurou 30 segundos indicando o ponto final da titulação. As medidas de acidez foram realizadas em duplicata.
De acordo com AOCS, a acidez livre nos óleos vegetais é expressa em porcentagem de ácido oleico, como mostra a Equação 3.1.
(3.1)
Onde:
M = concentração de hidróxido de sódio em mol.L-1. 3.2.3 Determinação de índice de peróxido
Em um frasco erlenmeyer pesou-se 5 g da amostra e adicionou-se 30 mL de solução de ácido acético-clorofórmio (3:2) e 0,5 mL de solução saturada de iodeto de potássio, deixando-se ao abrigo da luz por 1 minuto. Acrescentou-se 30 mL de água destilada e 0,5 mL de solução de amido 1% como indicador. Titulou-se com solução de tiossulfato de sódio 0,01 mol.L-1, de acordo com a metodologia da AOCS Cd 8-53. As medidas de índice de peróxido foram realizadas em duplicata.
O resultado de índice de peróxido em óleos vegetais é expresso em mEq/1000 g, de acordo com a Equação 3.2.
⁄
(3.2)
Onde:
A = volume em mL da solução de tiossulfato de sódio 0,01 mol.L-1 gasto na titulação da amostra;
B = volume em mL da solução de tiossulfato de sódio 0,01mol.L-1 gasto na titulação da prova em branco;
N = normalidade da solução de tiossulfato de sódio; f = fator da solução de tiossulfato de sódio;
PA = peso da amostra.
3.2.4 Determinação do índice de iodo pelo método de Wijs
A análise de índice de iodo foi realizada conforme AOCS Cd 1-25 com algumas modificações, onde as medidas foram realizadas em duplicata, utilizando o seguinte procedimento: pesou-se 0,250 g de amostra em frasco erlenmeyer com tampa, adicionou-se 10 mL de ciclohexano e 25 mL de solução de Wijs, deixou-se em repouso por 30 minutos ao abrigo da luz e a temperatura ambiente. Adicionou-se 10 mL de solução de iodeto de potássio 15%, 100 mL de água destilada e solução indicadora de amido 1%. Titulou-se com solução de tiossulfato de sódio 0,1 mol.L-1.
Para a determinação do cálculo do índice de iodo, foi utilizada a
Equação 3.3.
(3.3)
Onde:
M = molaridade da solução de tiossulfato de sódio;
Vb = volume em mL gasto na titulação da prova em branco; Va = volume em mL gasto na titulação da amostra;
PA = peso da amostra.
3.2.5 Determinação da extinção específica por absorção na região do ultravioleta
De acordo com AOCS Ch 5-91, para determinar a extinção específica por absorção na região do ultravioleta, pesou-se 0,25 g da amostra em balão volumétrico de 25 mL, dissolveu-se e completou-se o volume com ciclohexano (solução A). Desta solução A, foi transferida 5 mL e diluída com 25 mL em outro balão volumétrico de 25 mL (solução B). Após preparar as soluções A e B, foram medidas as absorbâncias das mesmas em 232 nm e 270 nm respectivamente, e realizado o cálculo através da Equação 3.4.
(3.4)
Onde:
Kλ = extinção específica no comprimento de onda λ; Aλ = absorbância medida no comprimento de onda λ; c = concentração da solução em g/ 100 ml;
l = caminho óptico da cubeta em cm.
3.2.6 Determinação do índice de refração
A metodologia utilizada para esta determinação está de acordo com AOCS Cc 7-25, onde em um refratômetro de Abbé com circulação de água à temperatura de 40ºC é adicionado 3 gotas da amostra, deixando em repouso
durante 2 minutos para atingir a temperatura do aparelho. A leitura apresenta diretamente o índice de refração absoluto a 40ºC, onde na Equação 3.5 determina o cálculo para correção da temperatura.
(3.5)
Onde:
R = leitura à temperatura T (ºC); R’ = leitura à temperatura T’ (ºC); T = temperatura padrão (ºC);
T’ = =temperatura na qual a leitura de R’ foi feita (ºC); K = 0,0003885.
3.2.7 Espectroscopia NIR
As medidas espectrais na região do infravermelho próximo (900 – 1650 nm) foram realizadas em equipamento microNIR da marca JDSU, empregando um acessório de vidro para medida de amostras líquidas.
3.2.8 Espectroscopia UV-Vis
Para a realização das medidas espectrais na região do UV-Vis (200 – 800 nm) foi empregado um equipamento da marca Ocean Optics e uma cubeta de quartzo de 1mm de caminho óptico.
3.3 RESULTADOS E DISCUSSÃO
Na Figura 4, apresentam-se os espectros UV-Vis e na Figura 5 os espectros NIR das amostras de óleos de arroz termicamente degradados. Por serem técnicas não seletivas é difícil fazer uma atribuição específica de bandas, uma vez que os grupos cromóforos que absorvem na região do UV-Vis e as vibrações de ligações responsáveis pela absorção na região do NIR podem absorver no mesmo comprimento de onda gerando bandas sobrepostas.
Figura 4 – Espectros UV-Vis de amostras de óleo de arroz do Uruguai (A) e Brasil (B).
Figura 5 – Primeira derivada dos espectros NIR de amostras de óleo de arroz do Uruguai (A) e Brasil (B).
Os espectros NIR passaram pelo pré-processamento de primeira derivada através do algoritmo de Savitzky Golay (SAVITZKY & GOLAY, 1964), para correção da linha de base. Estes espectros, juntamente com os espectros na região do UV-Vis, foram avaliados simultaneamente com os resultados das análises físico-químicas (Tabela 4) utilizando o método ComDim. Como pré-processamento, os resultados físico-químicos foram autoescalados e posteriormente esses resultados juntamente com os espectros UV-Vis e NIR foram normalizados.
Tabela 4 – Resultados de análises físico-químicas do óleo de arroz. Amostras T (°C) Í. A. (g ácido oléico/ 100g) Í. P. (mEq/Kg) Í. R. (nd 40 ) Í. I. (Wijs) E. E. (232 nm) E. E. (270 nm) Uruguai (A) 25 0,2414 7,3959 1,4676 99,6696 11,0246 14,5627 30 0,2247 11,3210 1,4676 98,1820 11,8880 17,1894 50 0,2286 12,9093 1,4676 98,6291 13,0771 15,3259 70 0,2509 13,3231 1,4679 99,1083 11,8910 16,7046 90 0,2522 12,9113 1,4675 96,9647 13,5074 13,2526 110 0,3255 14,4435 1,4676 99,6775 11,9565 12,3466 120 0,2525 29,6745 1,4677 100,8252 12,4780 15,6128 Brasil (B) 25 0,2311 18,6558 1,4679 96,2670 12,3400 13,3436 30 0,2365 18,6438 1,4677 97,7363 10,7214 13,6223 50 0,2456 18,6317 1,4678 98,0375 12,7701 13,3713 70 0,2264 18,6285 1,4679 98,8336 14,1023 13,5141 90 0,2035 19,0179 1,4679 98,3612 13,4224 13,9750 110 0,2327 31,9712 1,4681 98,9250 13,4133 11,8429 120 0,2586 53,5343 1,4676 99,0078 11,1859 14,9713
I.A.: índice de acidez, I.P.: índice de peróxido, I.R.: índice de refração, E.E.: extinção específica.
A análise pelo método multitabelas ComDim permitiu realizar um reconhecimento de padrão não supervisionado para as amostras de óleo de arroz termicamente degradado utilizando os espectros UV-Vis, NIR e as análises físico-químicas, cujas semelhanças e diferenças das amostras dos diferentes países puderam ser interpretadas graficamente. Um total de 3 componentes comuns foram calculados para as amostras das diferentes origens e somente o componente comum que apresentou o padrão de distribuição das amostras de acordo com o processo de degradação térmica de óleos serão apresentados nesse estudo.
Os scores, na Figura 6(A e B), forneceram informações referentes às semelhanças e diferenças entre as amostras, enquanto que o gráfico das
saliences, Figura 7(A e B), permitiu avaliar em qual das tabelas analisadas
encontrava-se a informação predominante para o padrão de agrupamento em cada componente comum. No gráfico dos loadings, Figura 8(A e B),
obtiveram-se informações acerca de quais variáveis foram importantes para os padrões de agrupamento verificado nos scores.
Figura 6 – Scores das amostras de óleo de arroz termicamente degradadas. (A) Scores de CC1 da amostra Uruguaia. (B) Scores de CC2 da amostra Brasileira.
De acordo com o gráfico de scores (Figura 6), pode-se observar que as amostras nas temperaturas 25ºC, 30ºC e 50ºC foram alocadas na parte negativa do CC1 e CC2, respectivamente, para Uruguai e Brasil. Na parte positiva do gráfico de scores de CC1 para as amostras Uruguai (A), e CC2 para a amostra Brasil (B), observou-se similaridade nas amostras a 70ºC, 90ºC, 110ºC e 120ºC. Estes resultados de scores mostraram um padrão crescente ao longo do aumento das temperaturas que pode ser atribuído à intensificação das reações químicas que ocorrem nos óleos durante o processo de aquecimento (degradação térmica). Nesse sentido, pode-se sugerir que os óleos de arroz do Uruguai e Brasil têm perfil semelhante no processo de degradação térmica.
No gráfico de salience, verificou-se que a informação predominante para o padrão de distribuição das amostras de óleos de arroz encontra-se nos espectros NIR, embora ocorra também uma contribuição da região espectral UV-Vis e das análises físico-químicas (Figura 7).
Figura 7 – Salience para as amostras de óleo de arroz termicamente degradadas. (A)
Salience de CC1 da amostra Uruguaia e (B) Salience de CC2 da amostra Brasileira.
Figura 8 – Loadings para as amostras de óleo de arroz termicamente degradadas. (A)
Os loadings das amostras do Uruguai e Brasil (Figura 8) são semelhantes tanto para a região espectral do UV-Vis como para a região espectral do NIR. Todos os parâmetros físico-químicos avaliados encontram-se na parte positiva do seu respectivo componente comum, com exceção da extinção específica em 270 nm que encontra-se na parte negativa de CC1 para a amostra do Uruguai. Este parâmetro detecta compostos de estágios avançados de decomposição, onde os peróxidos evoluem para compostos carbonílicos e trienos conjugados (IGLESIAS, 2016). Dessa forma, recorrendo-se aos resultados aprerecorrendo-sentados na Tabela 4 para este parâmetro pode-recorrendo-se sugerir que a amostra de óleo de arroz do Uruguai apresenta-se em um estágio de decomposição menos acentuado que a amostra do Brasil nas temperaturas de 25ºC, 30ºC e 50ºC.
Na parte negativa do CC (Figura 8), as amostras do Uruguai e Brasil apresentam similaridades nas temperaturas de 25ºC, 30ºC e 50ºC devido a absorção na região NIR por grupos funcionais que absorvem fortemente na região entre 960-1090 nm. Esta região inclui o terceiro overtone de ArOH, H2O,
R-NH2 e, segundo e terceiro overtone de ArCH
(http://www.metrohm.com/en/company/news/news-free-monographs/), que são grupos orgânicos presentes em produtos de degradação térmica de óleos vegetais. A região do UV-Vis que contribui para esse padrão de similaridade observado no gráfico dos scores das amostras desses países sul americanos mostra absorção em 200-230 nm, 320-340 nm e 620-730 nm. De acordo com Gonçalves et al., (2014), na região de 320-340 nm se encontra a banda de absorção máxima do tocoferol (325 nm). Segundo a literatura (VIEIRA & D´ÁRCE, 1998) a absorção entre 200 – 230 nm pode ser atribuída a dienos, enquanto a região entre 620-730 nm pode ser atribuída a clorofila caracterizada por uma banda intensa e sobreposta com uma das bandas dos carotenóides, em cerca de 670 nm (PSOMIADOU; TSIMIDOU, 2002; GIUFFRIDA et al., 2007; DOMENICI et al., 2014).
As amostras do Uruguai e Brasil nas temperaturas de 70ºC, 90ºC, 110ºC e 120ºC foram discriminadas na parte positiva do gráfico de loadings (Figura 8) dos seus respectivos CCs, absorvendo principalmente em torno de 1400 nm e entre 1550-1700 nm. Nestas regiões absorvem o segundo overtone de H2O,
CONH-R, ArCH, CH3, C-H e CH2 (
http://www.metrohm.com/en/company/news/news-free-monographs/). A região do UV-Vis na parte positiva dos CCs destaca-se pela forte absorção entre 340-600 nm. Clorofilas e carotenoides apresentam absorções características, intensas e sobrepostas em torno de 420 nm (PSOMIADOU; TSIMIDOU, 2002; GIUFFRIDA et al., 2007; DOMENICI et al., 2014). Esta região espectral é também característica de produtos de oxidação (GONÇALVES et al., 2014). Com relação aos parâmetros físico-químicos presentes na parte positiva dos CCs para as amostras do Uruguai e Brasil é possível atribuir uma correlação entre esses parâmetros e as absorções nas regiões do UV-Vis e NIR localizadas na parte positiva desses CCs.
O método ComDim, por ser um método não supervisionado de análise exploratória aplicado simultaneamente a diferentes tabelas (blocos de dados), não permite inferir acerca de informações quantitativas. Entretanto, este método permite avaliar correlações entre as diferentes técnicas/métodos de análise. Dessa forma, é possível atribuir uma correlação entre os parâmetros físico-químicos índice de acidez, índice de peróxido, índice de iodo, índice de refração e extinção específica com a região de absorção espectroscópica do UV-Vis referente aos carotenoides, clorofilas e produtos de oxidação (340-600 nm). Esta região espectral, juntamente com os parâmetros físico-químicos estão correlacionados com a região do NIR em torno de 1400 nm e 1550-1700 nm. A região do NIR entre 960 – 1090 nm está correlacionada com a região espectral do UV-Vis relacionada com a absorção de dienos, clorofila e carotenoides (670 nm) e tocoferol. Dessa forma a região de absorção das ligações na região NIR do terceiro overtone são relacionadas com os estágios iniciais das reações de degradação do óleo enquanto que as regiões do segundo e terceiro overtones estão correlacionados com os estágios mais avançados das reações de degradação, onde produtos de oxidação já se encontram presentes.
3.4 CONCLUSÃO
A análise multitabelas (ComDim) tornou possível avaliar simultaneamente os resultados de múltiplas tabelas da degradação do óleo de arroz analisados através da região espectral do UV-Vis e NIR bem como as análises físico-químicas, e inferir semelhanças e diferenças entre as amostras
